EEG no lee la mente: decodificación de voz sin hype
EEGBCIspeech-decoding
El EEG-a-texto sigue limitado por la señal, no por el modelo
El hecho clave es simple: la decodificación no invasiva de voz por EEG aún no se parece a un "pensamientos a texto" libre. La revisión de Frontiers sobre decodificación de habla encubierta enumera explícitamente una SNR baja, artefactos musculares, mala resolución espacial y problemas prácticos de configuración; la revisión de 2025 añade variabilidad entre sujetos y corpus pequeños y heterogéneos.
Por eso hay que leer las demostraciones con cuidado. Un artículo de Frontiers de 2024 reporta una precisión de aproximadamente 70-80% en tareas muy restringidas, pero en escenarios más complejos las cifras caen a alrededor del 20-50%. Esto no es un "mal producto", es la física del canal: electrodos, gel, artefactos musculares, sesión, persona específica.
Mi primera pregunta ante cualquier anuncio así: ¿qué es exactamente lo que se decodifica? ¿Una frase libre, una palabra elegida, un símbolo de una interfaz, una clase de escena o una reacción a un estímulo? A menudo se agrupan en un titular llamativo, aunque desde la ingeniería son tareas diferentes con distintos costes de error.
Los pipelines reales suelen ser más inteligentes que los titulares
El camino más fiable hoy no es "leer la mente", sino reducir el espacio de elección. El seguimiento ocular muestra hacia dónde mira la persona, los ERP como P300 confirman la reacción al símbolo o palabra deseada, y el modelo clasifica no desde un lenguaje infinito, sino desde un menú pequeño.
Aquí es donde el marketing suele empezar a hacer malabares con las palabras. Si un sistema muestra un teclado, capta la mirada sobre un símbolo y confirma la elección mediante un potencial evocado, puede ser un BCI útil. Pero llamarlo "pensamientos a texto" completo ya es exagerado.
Con el vídeo ocurre algo similar. En la última década, lo que ha mejorado drásticamente no es la magia de decodificación cerebral, sino la calidad de los generadores: GAN, difusión, DiT, flujo coincidente. El pipeline "señal -> clasificación de escena -> generación vistosa" puede parecer lectura de la experiencia visual, aunque el EEG a menudo contiene semántica gruesa, no un fotograma exacto.
Dónde esto realmente cambia las cosas
El valor real está donde la tarea está acotada de antemano: selección de comandos, juegos simples, interfaces con botones, comunicación clínica, movimientos imaginarios. Ahí, el bajo ancho de banda no arruina el escenario si el sistema se diseña honestamente alrededor de las limitaciones.
El principal riesgo es la precisión entre pacientes. Un modelo que parece decente en una persona o una sesión puede derrumbarse en otro paciente, otro día y otro conjunto de electrodos. Los enfoques invasivos obtienen señales mucho mejores, pero incluso allí la complejidad del pipeline devuelve a todos a la realidad rápidamente.
Así que mi conclusión seca: el BCI por EEG está vivo y puede ser muy útil, pero la "decodificación de pensamientos" sigue siendo en su mayoría un envoltorio para un clasificador, una interfaz de selección y un buen generador. Lo más interesante no son las demostraciones impactantes, sino la frontera honesta entre la señal y el adorno.